摘要：n階方陣A滿足AX=λx，λ為 矩陣A的特征值，x為特征值對應的特征向量。
一.乘冪法（求模最大特征值及對應特征向量）
設矩陣A有n個相性無關的特征向量x1,x2,x3,.....xn，相應的特征值λ1,λ2,λ3,.....λn（由大到小排列）。
迭代法引入：上一章學了迭代法求解線性方程組Ax=b的解，給定任一 的初始值v0，不斷迭代可以得到Ax=b的解。同理，給定任一非零的n維向量v0，不斷迭代可以 得到矩陣A的特征向量
，
對於初始向量v0可以由A的n個線性無關的特征向量表示：
帶入迭代方程中：
當迭代次數k趨近於無窮大時，可得到最大特征值λ1對應的特征向量a1x1(與x1線性相關)
同理，當迭代次數趨近於無窮大時，可得到絕對值最大的特征值，λ1
其中，m表示向量中的絕對值最大的那個元素值
如何利用迭代法求解按模最大特征值和特征向量
說明：
1.初始值：我們給定初始值x0=[1,1,1]^T,取特征值1
2.第一次迭代：
對應的近似特征值取：
3.第二次迭代：
二.改進乘冪法
這個規范化處理的目的：防止數據溢出或是數據消失
從上面可以看出，改進乘冪法即是每次迭代出的特征向量都進行一次規范化處理